Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
user:zeman:dz-parser:conll [2008/03/27 22:58] zeman Komentář k výsledkům se značkami PDT. |
user:zeman:dz-parser:conll [2008/03/28 18:15] zeman |
||
---|---|---|---|
Line 28: | Line 28: | ||
$PARSER/ | $PARSER/ | ||
($PARSER/ | ($PARSER/ | ||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
+ | |||
Line 34: | Line 43: | ||
===== Výsledky ===== | ===== Výsledky ===== | ||
- | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními značkami CoNLL (tabulátory, | + | ==== Výchozí nastavení ==== |
+ | |||
+ | Následující tabulka ukazuje úspěšnost DZ parseru s výchozím nastavením na průběžných testovacích datech CoNLL, s původními | ||
+ | |||
+ | | Jazyk | Rok | P | | ||
+ | | ar | 2006 | 63.9 | | ||
+ | | ar | 2007 | 64.9 | | ||
+ | | bg | 2006 | 72.3 | | ||
+ | | ca | 2007 | 72.7 | | ||
+ | | cs | 2006 | 64.1 | | ||
+ | | cs | 2007 | 69.1 | | ||
+ | | da | 2006 | 69.9 | | ||
+ | | de | 2006 | 71.8 | | ||
+ | | el | 2007 | 65.0 | | ||
+ | | en | 2007 | 70.6 | | ||
+ | | eu | 2007 | 58.6 | | ||
+ | | hu | 2007 | 62.3 | | ||
+ | | it | 2007 | 71.5 | | ||
+ | | ja | 2006 | 87.3 | | ||
+ | | nl | 2006 | 73.7 | | ||
+ | | pt | 2006 | 73.8 | | ||
+ | | sl | 2006 | 58.7 | | ||
+ | | sv | 2006 | 71.0 | | ||
+ | | tr | 2007 | 64.6 | | ||
+ | | zh | 2006 | 69.9 | | ||
+ | | zh | 2007 | 69.0 | | ||
+ | |||
+ | Následující tabulka srovnává výsledky s původními značkami CoNLL a výsledky se značkami PDT. Data jsou dtest. Nastavení parseru je výchozí, tj. úprava značek ani selektivní lexikalizace není zapnuta. Poslední sloupec říká, zda je změna úspěšnosti statisticky významná podle McNemarova testu na úrovni 0,05 (χ< | ||
+ | |||
+ | | Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | | ||
+ | | ar | 2006 | 63.9 | 66.8 | lepší | ano (19.858476) | | ||
+ | | ar | 2007 | 64.9 | 64.2 | horší | ne (1.497453) | | ||
+ | | bg | 2006 | 72.3 | 71.2 | horší | ne (3.205607) | | ||
+ | | cs | 2006 | 64.1 | 64.1 | lepší | ne (0.007519) | | ||
+ | | cs | 2007 | 69.1 | 68.6 | horší | ano (3.948357) | | ||
+ | | da | 2006 | 69.9 | 70.5 | lepší | ne (2.082218) | | ||
+ | | en | 2007 | 70.6 | 65.4 | horší | ano (227.951382) | | ||
+ | | sv | 2006 | 71.0 | 72.6 | lepší | ano (12.763713) | | ||
+ | | zh | 2006 | 69.9 | 68.4 | horší | ne (1.574297) | | ||
+ | | zh | 2007 | 69.0 | 63.7 | horší | ano (22.360248) | | ||
+ | |||
+ | U čínštiny lze zhoršení snadno vysvětlit. Čínská sada značek se velmi liší od ostatních, do Intersetu se vejde jen nepatrný zlomek informace, kterou značky nesou, takže ztráta informace při převodu značek je mimořádně veliká. | ||
- | | Jazyk | Rok | A | G | B | P | | + | ==== 01: zapnuté upravování značek a selektivní lexikalizace ==== |
- | | ar | 2006 | 3955 | 2555 | 1400 | 64,6 | | + | |
- | | ar | 2007 | 5873 | 3757 | 2116 | 64,0 | | + | |
- | | bg | 2006 | 4677 | 3178 | 1499 | 67,9 | | + | |
- | | ca | 2007 | 10971 | 7670 | 3301 | 69,9 | | + | |
- | | cs | 2006 | 5643 | 3822 | 1821 | 67,7 | | + | |
- | | cs | 2007 | 5760 | 4061 | 1699 | 70,5 | | + | |
- | | da | 2006 | 5470 | 3792 | 1678 | 69,3 | | + | |
- | | de | 2006 | 5403 | 3704 | 1699 | 68,6 | | + | |
- | | el | 2007 | 4874 | 3132 | 1742 | 64,3 | | + | |
- | | en | 2007 | 9529 | 6163 | 3366 | 64,7 | | + | |
- | | eu | 2007 | 4334 | 2477 | 1857 | 57,2 | | + | |
- | | hu | 2007 | 5995 | 4088 | 1907 | 68,2 | | + | |
- | | it | 2007 | 7643 | 5556 | 2087 | 72,7 | | + | |
- | | ja | 2006 | 3384 | 2524 | 860 | 74,6 | | + | |
- | | nl | 2006 | 6187 | 4579 | 1608 | 74,0 | | + | |
- | | pt | 2006 | 6719 | 4941 | 1778 | 73,5 | | + | |
- | | sl | 2006 | 4307 | 2765 | 1542 | 64,2 | | + | |
- | | sv | 2006 | 7140 | 5075 | 2065 | 71,1 | | + | |
- | | tr | 2007 | 6210 | 3920 | 2290 | 63,1 | | + | |
- | | zh | 2006 | 1839 | 1269 | 570 | 69,0 | | + | |
- | | zh | 2007 | 2277 | 1506 | 771 | 66,1 | | + | |
- | Následující tabulka | + | Následující tabulka |
- | | Jazyk | Rok | Značky | A | G | B | P | | + | | Jazyk | Rok | P | |
- | | ar | 2006 | CoNLL | 3955 | 2555 | 1400 | 64,6 | | + | | ar | 2006 | 64.3 | |
- | | ar | 2006 | PDT | 3955 | 2595 | 1360 | 65,6 | | + | | ar | 2007 | 59.8 | |
- | | ar | 2007 | CoNLL | 5873 | 3757 | 2116 | 64,0 | | + | | bg | 2006 | 67.9 | |
- | | ar | 2007 | PDT | 5873 | 3793 | 2080 | 64,6 | | + | | ca | 2007 | 69.9 | |
- | | bg | 2006 | CoNLL | 4677 | 3178 | 1499 | 67,9 | | + | | cs | 2006 | 56.0 | |
- | | bg | 2006 | PDT | 4677 | 3338 | 1339 | 71,4 | | + | | cs | 2007 | 58.7 | |
- | | cs | 2006 | CoNLL | 5643 | 3822 | 1821 | 67,7 | | + | | da | 2006 | 69.3 | |
- | | cs | 2006 | PDT | 5643 | 4050 | 1593 | 71,8 | | + | | de | 2006 | 68.5 | |
- | | cs | 2007 | CoNLL | 5760 | 4061 | 1699 | 70,5 | | + | | el | 2007 | 67.5 | |
- | | cs | 2007 | PDT | 5760 | 4294 | 1466 | 74,5 | | + | | en | 2007 | 64.7 | |
- | | da | 2006 | CoNLL | 5470 | 3792 | 1678 | 69,3 | | + | | eu | 2007 | 58.4 | |
- | | da | 2006 | PDT | 5470 | 3804 | 1666 | 69,5 | | + | | hu | 2007 | 66.1 | |
- | | en | 2007 | CoNLL | 9529 | 6163 | 3366 | 64,7 | | + | | it | 2007 | 73.4 | |
- | | en | 2007 | PDT | 9529 | 6254 | 3275 | 65,6 | | + | | ja | 2006 | 74.6 | |
- | | sv | 2006 | CoNLL | 7140 | 5075 | 2065 | 71,1 | | + | | nl | 2006 | 73.0 | |
- | | sv | 2006 | PDT | 7140 | 5232 | 1908 | 73,3 | | + | | pt | 2006 | 73.5 | |
- | | zh | 2006 | CoNLL | 1839 | 1269 | 570 | 69,0 | | + | | sl | 2006 | 63.8 | |
- | | zh | 2006 | PDT | 1839 | 1252 | 587 | 68,1 | | + | | sv | 2006 | 71.1 | |
- | | zh | 2007 | CoNLL | 2277 | 1506 | 771 | 66,1 | | + | | tr | 2007 | 65.1 | |
- | | zh | 2007 | PDT | 2277 | 1449 | 828 | 63,6 | | + | | zh | 2006 | 69.0 | |
+ | | zh | 2007 | 66.1 | | ||
- | Převod značek do sady PDT pomohl všude kromě čínštiny, | + | | Jazyk | Rok | P(CoNLL) | P(PDT) | Změna | McNemar | |
+ | | ar | 2006 | 64.3 | 67.3 | lepší | ano (20.855670) | | ||
+ | | ar | 2007 | 59.8 | 66.7 | lepší | ano (149.962142) | | ||
+ | | bg | 2006 | 67.9 | 71.4 | lepší | ano (44.137931) | | ||
+ | | cs | 2006 | 56.0 | 71.6 | lepší | ano (597.483871) | | ||
+ | | cs | 2007 | 58.7 | 74.2 | lepší | ano (616.602151) | | ||
+ | | da | 2006 | 69.3 | 69.5 | lepší | ne (0.114286) | | ||
+ | | en | 2007 | 64.7 | 65.6 | lepší | ano (8.781548) | | ||
+ | | sv | 2006 | 71.1 | 73.1 | lepší | ano (24.144134) | | ||
+ | | zh | 2006 | 69.0 | 68.1 | horší | ne (1.000000) | | ||
+ | | zh | 2007 | 66.1 | 63.6 | horší | ano (8.950413) | | ||
===== Starší poznámky ===== | ===== Starší poznámky ===== |